Faculty–Resident “Co-learning”: A Longitudinal Exploration of an Innovative Model for Faculty Development in Quality Improvement
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
PURPOSE: To examine the effectiveness of co-learning, wherein faculty and trainees learn together, as a novel approach for building quality improvement (QI) faculty capacity. METHOD: From July 2012 through September 2015, the authors conducted 30 semistructured interviews with 23 faculty participants from the Co-Learning QI Curriculum of the Department of Medicine, Faculty of Medicine, University of Toronto, and collected descriptive data on faculty participation and resident evaluations of teaching effectiveness. Interviewees were from 13 subspecialty residency programs at their institution. RESULTS: Of the 56 faculty participants, the Co-Learning QI Curriculum trained 29 faculty mentors, 14 of whom taught formally. Faculty leads with an academic QI role, many of whom had prior QI training, reinforced their QI knowledge while also developing QI mentorship and teaching skills. Co-learning elements that contributed to QI teaching skills development included seeing first how the QI content is taught, learning through project mentorship, building experience longitudinally over time, a graded transition toward independent teaching, and a supportive program lead. Faculty with limited QI experience reported improved QI knowledge, skills, and project facilitation but were ambivalent about assuming a teacher role. Unplanned outcomes for both groups included QI teaching outside of the curriculum, applying QI principles to other work, networking, and strengthening one's QI professional role. CONCLUSIONS: The Co-Learning QI Curriculum was effective in improving faculty QI knowledge and skills and increased faculty capacity to teach and mentor QI. Findings suggest that a combination of curriculum and contextual factors were critical to realizing the curriculum's full potential.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle